4.网络信息,这个就比较耐人寻味了,官方原文是:“information from across the web”,即站内站外的web信息都可能被爬取进Rufus的训练模型里。
实际的cosmos可能抓取的内容会更加丰富,处理的维度也会更加全面,但大部分都是工程师需要考虑的,我们作为卖家,能控制的仅仅只是listing内容,尽可能匹配足够多的抓取维度。
因为我们过去写链接的出发点,是为了关键词推广而去写的,埋词在标题五点里。但未来,除了埋词 语言文本推广之外,还需要考虑语义推广的可能性。
也就是从过去的纯搜索SEO逻辑,到语义SEO+搜索SEO两个思路结合去编写链接信息。
比如:
1.关键词归纳,这个是我们一直在做的。
2.理解用户需求,通过分析搜索查询、用户评论、论坛讨论等,了解用户在寻找该产品时的具体需求和问题。也就是把买家的搜索想法买入链接里,就像我帖子里提的“高级A+里有“问答模块”,品牌故事里也有问答内容设置,这不就是最适合把买家在Rufus可能涉及的问答内容都搬上去,体现在链接文案里,促进被收录吗?”
3.主题相关性:确保内容围绕产品主题展开,提供详尽的产品信息、使用方法、用户评价等。例如:感恩节最适合的礼物、理想的户外运动装置、低音效果非常震撼的耳机等等....
4.实体和概念的关联:在内容中自然地提及与产品相关的实体和概念,如品牌、产品类型、使用场景等。
5.自然语言使用:避免过度堆砌关键词,使用自然语言撰写内容,确保内容对用户友好,以及对语义模型匹配的顺畅度。
6 个回复
应如是 - 天助自助者
赞同来自: Miru123 、 sanjiniao 、 Juliaaa 、 Gnat01
因为cosmos也是对用户行为、产品属性信息、搜索展示特点进行深化拓展,比如引入语义匹配(过去是关键词搜索 语言匹配)、人工标注数据(纠正AI算法的bug)、不断训练和提升语言模型 匹配用户需求等...
所以对于卖家而言,你能操作最大的空间,就是链接的丰富性。
比如rufus就是一个典型以cosmos算法为载体的应用工具,官方明确出来的Rufus内容训练来源:
1.亚马逊类目节点。这个基本是固定的了,基本就是来源于类目节点+product type,能拓展的空间不大,最多就是设置多类目节点,但操作过的卖家都知道这个很难长期维持被收录。
2.评论内容。如果是搞测评的卖家,以后评论内容可以好好围绕Rufus的特征来布局文案了。如果是搞合并的卖家(僵尸或镜像),评论区内容和产品不匹配的情况下,不排除会被错误推荐。
3.Q&A,这个目前前台已经被隐藏了,但买家还是可以发起提问的,也就是买家的提问内容以及卖家的回复信息内容都会被收录到Rufus的训练模型里。结合Rufus推出的行为以及Q&A被隐藏的现象来看,不排除有可能亚马逊是怕被反爬虫,所以才隐藏了前台Q&A信息。但店铺注册邮箱里还是可以看到买家提问的Q&A信息,竞对的Q&A 目前通过第三方工具导出来的也只有近期的内容。或者通过www.amazon.com/ask/questions/asin/ASIN 更换asin来查看QA。
4.网络信息,这个就比较耐人寻味了,官方原文是:“information from across the web”,即站内站外的web信息都可能被爬取进Rufus的训练模型里。
因为我们过去写链接的出发点,是为了关键词推广而去写的,埋词在标题五点里。但未来,除了埋词 语言文本推广之外,还需要考虑语义推广的可能性。
也就是从过去的纯搜索SEO逻辑,到语义SEO+搜索SEO两个思路结合去编写链接信息。
比如:
1.关键词归纳,这个是我们一直在做的。
2.理解用户需求,通过分析搜索查询、用户评论、论坛讨论等,了解用户在寻找该产品时的具体需求和问题。也就是把买家的搜索想法买入链接里,就像我帖子里提的“高级A+里有“问答模块”,品牌故事里也有问答内容设置,这不就是最适合把买家在Rufus可能涉及的问答内容都搬上去,体现在链接文案里,促进被收录吗?”
3.主题相关性:确保内容围绕产品主题展开,提供详尽的产品信息、使用方法、用户评价等。例如:感恩节最适合的礼物、理想的户外运动装置、低音效果非常震撼的耳机等等....
4.实体和概念的关联:在内容中自然地提及与产品相关的实体和概念,如品牌、产品类型、使用场景等。
5.自然语言使用:避免过度堆砌关键词,使用自然语言撰写内容,确保内容对用户友好,以及对语义模型匹配的顺畅度。
目前广告页面对rufus的匹配才刚刚开始,数据结果没有公布出来,我觉得等到哪天,亚马逊把你的广告数据在rufus的表现体现出来的时候,基本就可以去做实际的结果分析了。比如到时候亚马逊有可能推出语义方面的推广选择,事实上之前的SD广告推广就存在类似的语义推广主题选择,但那会大模型语言还没爆发,所以SD的主题 人群广告跑出来非常分散,所以现在的广告逻辑与AI模型匹配的准确度,还有待确认。